Annahmen des JMP-StabilitätstestsHallo,
Ich verwende derzeit den Stabilitätstest innerhalb der Degredation Data Analysis-Plattform, um die Haltbarkeit eines pharmazeutischen Produkts abzuschätzen, und hatte eine Frage zu den Annahmen der Analyse.
Ich analysiere derzeit Daten für 10 Produktchargen mit Datenpunkten für einige Chargen, die über einen Zeitraum von 18 Monaten verfügbar sind. Wenn ich die Analyse durchführe, wird das beste Modell als unterschiedliche Abschnitte und gemeinsame Steigungen mit einer frühesten Kreuzungszeit von 35,35 Monaten identifiziert, basierend auf der Charge, die schätzungsweise die niedrigere Spezifikation am schnellsten kreuzt.Wenn ich dieselben Chargen in „Anpassung Y nach Das Konfidenzintervall für diesen Batch in der Fit Y by X-Plattform überschreitet die untere Spezifikation bei etwa 17 Monaten.
Geht der Stabilitätstest automatisch davon aus, dass sich alle Chargen tatsächlich im Laufe der Zeit ändern? Wenn die anderen Chargen tatsächlich keine Tendenz zur Veränderung aufweisen, ist es dann sinnvoll, die Haltbarkeitsschätzung zu verwenden, wenn man bedenkt, dass sie auf einer gemeinsamen Steigung aller Chargen basiert?
Vielen Dank im Voraus für Ihre Hilfe.
Verbraucher- und MarktforschungDatenexploration und -visualisierungQualitäts- und VerfahrenstechnikBetreff: Annahmen des JMP-StabilitätstestsWenn Sie ICH Q1e befolgen, um Ihr Ablaufdatum (Crossing Time) abzuschätzen, stellen Sie sicher, dass Sie es befolgen oder eine gute Begründung dafür haben, dass Sie es nicht befolgen.
Wenn Sie das Stabilitätstool von JMP verwenden (analysieren > Zuverlässigkeit > Degradation > Stabilität), berechnet JMP die Übergangszeit für Sie. Bitte beachten Sie, dass diese Kreuzungszeit für das Worst-Case-Los ungepoolte Varianz verwendet und ICH Q1e die Verwendung gepoolter Varianz erwähnt, wodurch Sie eine andere Kreuzungszeit erhalten, die häufig später als die Kreuzungszeit der nicht gepoolten Varianz liegt.
Durch die Anpassung von Y nach
Versuchen Sie es mit Analysieren > Modell anpassen.
Die Antwort kommt in die Y-Rolle Zeit, Batch und der Kreuzterm von Zeit und Batch (Zeit*Batch) kommt in die Rolle Effekte.
Deaktivieren Sie im Menü mit dem roten Dreieck im Startdialog die Option „Zentrierte Polynome“.
Nachdem Sie auf „Ausführen“ geklickt haben, gehen Sie im Bericht zum Menü mit dem roten Dreieck, Schätzungen > inverse Vorhersage. Geben Sie Ihre obere oder untere Spezifikationsgrenze in das Dialogfeld ein und klicken Sie unbedingt auf die Schaltfläche für alle Ihre Chargen (linke Seite). Ändern Sie außerdem Alpha auf 0,1, da Sie ein zweiseitiges 95 %-KI benötigen.
In der Tabelle unten im Bericht sehen Sie die Kreuzungszeiten und den CI für jede Charge. Das Worst-Case-CI ist das, nach dem Sie suchen. Dieser KI basiert auf der gepoolten Varianz und ist wahrscheinlich enger als der nicht gepoolte Wert.
Sie können das Fit-Modell auch verwenden, um die nicht gepoolte Varianz zu erhalten. Es ist das gleiche Verfahren, außer dass „Nur Zeit“ in der Rolle „Effekte“ ist und „Batch“ in die Rolle „Nach“ wechselt.
Betreff: Annahmen des JMP-StabilitätstestsBei diesen Modellen handelt es sich um lineare Regressionsmodelle. Sie haben Abschnitte und Steigungen. Ihre Frage, ob davon ausgegangen werden soll, dass sich die Chargen im Laufe der Zeit ändern/tendenzen, entspricht der Frage, ob die Steigungen Nullen sind. Keines der Modelle in diesem Verfahren erzwingt, dass die Steigungen Null sind.
Ich denke, eine Ihrer damit zusammenhängenden Fragen ist, was zu tun ist, wenn die Steigung unbedeutend ausfällt. Die Antwort ist nichts. Und Sie sollten auf keinen Fall die Steigung auf Null zwingen und ein neues Modell einbauen. Das ist keine der Optionen.
Aber wie ist der Fall zu betrachten, wenn die Steigungen unbedeutend sind? Das Verfahren leitet den Ablauf anhand quantifizierender Unsicherheiten ab. Die Steigungsschätzung mag unbedeutend sein, aber wir können die Unsicherheiten in den Schätzungen nicht ignorieren. Ob die Steigung signifikant ist oder nicht, ist also nicht das Hauptproblem des Verfahrens.
Zum Schluss noch zu Ihrem konkreten Fall. Das Stabilitätsverfahren versucht auch, die Unterschiede und Ähnlichkeiten zwischen Chargen zu identifizieren statistisch Perspektiven. Sie stellen fest, dass sich eine Charge vom Rest unterscheidet. Die Frage ist nun, ob das auf Zufälligkeit bei der Stichprobe zurückzuführen ist oder etwas anderes impliziert? Meiner Meinung nach gibt es hier keine eindeutige Antwort darauf, ob Sie das Ergebnis des Stabilitätsverfahrens oder Ihre Fit Y by X-Ergebnisse melden sollten. Aber Sie müssen Ihre Schlussfolgerung begründen. Wenn die herausragende Charge auf zufällige Stichproben zurückzuführen ist, kann das Ergebnis des Stabilitätsverfahrens meiner Meinung nach akzeptiert werden. Ansonsten denke ich, dass Ihr Fall außerhalb der Reichweite des Stabilitätsverfahrens liegt.
Betreff: Annahmen des JMP-StabilitätstestsDie Analyse basiert auf den kombinierten Daten aller 10 Chargen. Es passt zu einem linearen Regressionsmodell mit vier Begriffen: Intercept, Batch, Zeit und Batch*Zeit-Interaktion. Dieser Weg ist am wirkungsvollsten und realistischsten. Das Isolieren jeweils einer Charge ist keine bewährte Methode und wird auch nicht empfohlen.
Diese Analyse verwendet ein hierarchisches Modell, sodass eine Reihe von Hypothesentests zu den Schätzungen der Modellparameter durchgeführt werden, um zu bestimmen, ob ein gemeinsamer Achsenabschnitt oder eine gemeinsame Steigung verwendet werden kann.
